基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文用主成分分析(PCA)降维技术解大型超定线性方程组AX=B的最小二乘解.工业上遇到的大型方程组的求解要消耗大量的时间和内存,系数矩阵通常是病态的,会带来不可忽视的误差.本文设计基于PCA的算法,并从理论上说明其可行性.实验证明该方法有效,不仅测试误差极小,接近原方程的误差,而且计算时间显著减少.
推荐文章
区间线性方程组局部解的性质
容许解
控制解
代数解
局部解
大型线性方程组求解的可验证外包算法
云计算
外包计算
可验证
大型线性方程组
超定线性方程组极小l1范数解的一个算法
超定线性方程组
极小l1模剩余向量
相容方程组
线性方程组解法新探
初等变换
基础解系
通解
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于PCA的解大型超定线性方程组快速算法及应用
来源期刊 智能计算机与应用 学科 工学
关键词 PCA SVD 线性方程组 最小二乘解
年,卷(期) 2019,(4) 所属期刊栏目 学术研究与应用
研究方向 页码范围 91-95
页数 5页 分类号 TP399
字数 3619字 语种 中文
DOI 10.3969/j.issn.2095-2163.2019.04.020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 宋丛威 浙江工业大学之江学院理学院 7 15 2.0 3.0
2 张晓明 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (1)
同被引文献  (12)
二级引证文献  (0)
1933(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
PCA
SVD
线性方程组
最小二乘解
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
智能计算机与应用
双月刊
2095-2163
23-1573/TN
大16开
哈尔滨市南岗区繁荣街155号(哈工大新技术楼916室)
14-144
1985
chi
出版文献量(篇)
6183
总下载数(次)
26
总被引数(次)
14240
相关基金
浙江省自然科学基金
英文译名:
官方网址:http://www.zjnsf.net/
项目类型:一般项目
学科类型:
论文1v1指导